Área bajo la curva (AUC)

El Área Bajo la Curva (AUC) es una métrica utilizada habitualmente en estadística y aprendizaje automático para evaluar el rendimiento de un modelo de clasificación binaria. Representa la capacidad del modelo para distinguir entre clases positivas y negativas midiendo la calidad de las probabilidades predichas del modelo.

El AUC calcula el área bajo la curva de Característica Operativa del Receptor (ROC), que traza la Tasa de Verdaderos Positivos (Sensibilidad) frente a la Tasa de Falsos Positivos (1 – Especificidad) en varios umbrales de clasificación. La curva ROC resume el rendimiento del modelo en todos los umbrales posibles y proporciona una representación visual del equilibrio entre sensibilidad y especificidad.

El AUC oscila entre 0 y 1, donde un valor de 0,5 indica que el rendimiento del modelo es equivalente a una suposición aleatoria, y un valor de 1 representa un modelo de clasificación perfecto. En general, un AUC más alto sugiere un mejor rendimiento del modelo y una mayor capacidad para discriminar correctamente entre instancias positivas y negativas. Por lo tanto, el AUC sirve como medida fiable para comparar y seleccionar diferentes modelos o evaluar el rendimiento global de un único modelo.